一款新药从实验室走向患者身边，平均需要15年光阴、26亿美元投入，而成功率不足12%。这组数字背后，是全球生物医药界持续数十年未能突破的效率困局。

更令人焦虑的是"低垂果实"已被摘尽。人体内约2万种蛋白质中，目前能应用靶向药的靶点仅占约10%，剩下90%被称为"不可成药"靶点，长期无人问津。传统靶点发现需要5到7年，而研发成本还在不断攀升——"反摩尔定律"正在倒逼整个行业寻找新的出路。

AI的到来，正在把这场"绝望的马拉松"变成"开挂游戏"。

从"数百年"到"0.02秒"：DrugCLIP的降维打击

2026年1月，清华大学团队在顶级期刊《科学》上发表的研究，让业界彻底坐不住了。他们研发的AI平台DrugCLIP，将新药筛选速度提升了百万倍。

什么概念？传统方法若筛选1万个靶点、每个靶点匹配10亿个候选分子，一台电脑连轴转得数百年。而DrugCLIP在24小时内就能完成人类基因组规模的虚拟筛选，单日可完成31万亿次匹配计算。筛选100万个候选分子，仅需0.02秒。

更重要的是，DrugCLIP不是"筛得快但不准"。在抑郁症靶点NET的验证中，从160万个候选分子里筛出约100个，湿实验证实15%为有效抑制剂，其中12个分子的结合能力甚至优于现有抗抑郁药安非他酮。针对"不可成药"靶点TRIP12，仅用AlphaFold预测的结构，就实现了17.5%的命中率——这个靶点此前从未找到任何适配的小分子。

正如中国科学院院士陈凯先所指出，AI可使药物总研发周期平均缩短三分之一至一半，总研发经费降低10%，总成功率由10%提升至14%。而在靶点发现这一最前端的环节，AI带来的提升更为显著

与此同时，诺贝尔奖得主David Baker团队利用生成式AI攻克了“不可成药”的内在无序蛋白靶点，精度达到原子级别——这些曾被宣判“无药可救”的靶点，正被AI逐一解锁。

报告立足于2026年这一关键时间节点，系统梳理AI在药物靶点发现领域的技术突破与产业应用，前瞻展望2026至2030年的发展趋势与战略机遇

0.02秒筛选100万分子、周期从7年压缩到1年：AI正在把药物靶点发现变成"开挂游戏"

从"数百年"到"0.02秒"：DrugCLIP的降维打击